霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

东莞市大气亚微米粒子PM1及其中水溶性无机离子的污染特征

2011年8月—2012年7月期间,利用中流量(100 L·min-1)大气采样器对东莞市A和B两点(A:生活区,B:工业区)进行PM1、PM1~2.5、PM2.5~10采样,并定量分析颗粒物上F-、Cl-、NO-3、SO2-4、NH+4、Na+、K+、Ca2+、Mg2+等9种水溶性无机离子.分析结果显示,工业区B点的细粒子污染较生活区A点严重,B点PM1质量浓度年均值为48μg·m-3,其浓度是A点的1.2倍.A、B两点PM1对PM2.5和PM10的质量贡献率无明显差异,平均贡献率分别高达69%和45%.二次离子SO2-4、NO-3、NH+4及与燃烧行为有关的K+、Cl-等5种离子在细粒子PM1上富集,这5种离子对PM1质量的贡献率分别为18.82%~19.76%、4.98%~5.47%、3.98%~4.12%、2.03%~2.27%和3.39%~3.78%.而其他4种离子,Ca2+、Mg2+、F-和Na+积聚在粗粒子PM2.5~10上.PM10/PM2.5/PM1三种粒子中,PM1粒子酸性值AE/CE(阴离子当量浓度/阳离子当量浓度)比值和硫转化率SOR、氮转化率NOR值均是最高.     

南京霾天气及PM_(2.5)化学污染特征分析

为了研究大气细粒子PM2.5在霾天气下的化学污染特性,2012年4月1日-27日在南京信息工程大学1号新实验楼楼顶,在霾天对大气细粒子PM2.5进行了采样,利用离子色谱法、TOC法等测得PM2.5的质量浓度、水溶性离子及水溶性有机碳组分浓度。结果表明:霾越重PM2.5质量浓度越高,霾天的PM2.5与地面温度、风速呈一定的负相关,与相对湿度呈正相关。SO42-、NO3-、NH4+、Ca2+、Na+、Cl-以及水溶性总有机碳是PM2.5的主要组成部分,其质量浓度随霾的加重而增加,其中NH4+、SO42-、NO3-及TOC质量浓度的增加幅度更明显,表明气态污染物的二次转化对采样点灰霾污染也有突出贡献。     

北京东北部城区大气细粒子与相关气体污染特征研究

于2008年7月~2009年4月的4个季节,在北京市朝阳区北部,利用VAPS通用型大气污染物采样仪(URG3000K)对大气细粒子(PM2.5)和环境空气中相关气体进行了同时采集,并利用IC离子色谱仪(DX-600型)分析了PM2.5中水溶性无机离子成分和环境空气中相关气体的含量.结果表明,PM2.5质量浓度春季>夏季>冬季>秋季;SO42-、NO3-和NH4+是PM2.5中最主要的3种水溶性无机离子,年均质量浓度分别为14.82μg/m3、11.57μg/m3和8.35μg/m3,三者浓度之和占PM2.5中总水溶性无机离子浓度的86.28%.SO42-、NH4+浓度占PM2.5浓度百分比均为夏、秋季高于冬、春季; NO3-浓度占PM2.5浓度的百分比为秋季>春季>夏季>冬季.空气中的SO2、NO2和NH3等气态污染物的含量直接影响PM2.5中二次离子SO42-、NO3-和NH4+的浓度, SO2、NO2浓度的季节特征为冬、春季高于夏、秋季,与SO42-、NO3-的季节变化规律相反; NH3浓度在夏季最高,冬季最低. PM2.5酸度在夏、秋季高于冬、春季,且夏、秋季PM2.5样品全部呈酸性,冬、春季PM2.5样品一部分呈酸性,一部分呈碱性.夏季SOR值和NOR值分别为冬季的4.8倍和3倍,表明夏季SO2和NO2更易转化生成SO42-和NO3-.PM2.5中SO42-、NO3-和NH4+主要以(NH4)2SO4、NH4NO3的形式共存于气溶胶体系中.     

邯郸市PM_(2.5)中水溶性无机离子污染特征及来源解析

本研究通过对邯郸市环境空气中PM2.5样本进行采集和成分检测,分析了该地区PM2.5中水溶性无机离子的污染特征,并结合气象要素(风速、温度)、气态污染物(O3、NO2、SO2、CO)、SOR(硫氧化率)、NOR(氮氧化率)对其主要来源进行了解析.研究结果表明:总水溶性无机离子(TWSII)浓度季节变化特征明显,秋、冬季高于春、夏季.SO2-4、NO-3、NH+4是PM2.5中主要的水溶性无机离子,在TWSII中所占的比例为夏(93.2%)冬(85.6%)秋(85.5%)春(84.0%).春、夏、秋三季PM2.5呈酸性,冬季显碱性.此外还分析得到,SO2-4在四季中均以(NH4)2SO4的形式存在.NO-3在冬季以NH4NO3的形式存在,其余季节中以NH4NO3、HNO3等共存.绝大部分Cl-在冬季以NH4Cl的形式存在,其它季节中以NH4Cl、KCl等的形式存在.均相反应是SO2-4的主要生成途径,夏、冬季也伴随有非均相反应.NO-3的生成以均相反应为主(春、夏、秋),在冬季均相反应与非均相反应同时存在.应用因子分析法解析出4个主因子,其中,工业、燃煤、交通、生物质燃烧等综合源是PM2.5中水溶性无机离子的主要来源.     

南京北郊冬季霾天PM2.5水溶性离子的污染特征与消光作用研究

为了探讨霾天下大气细颗粒物(PM2.5)中水溶性离子的污染特征及其对大气消光的影响,在2013年1月25日至2月3日于南京北郊进行了PM2.5连续在线监测.利用颗粒物-液体转换采集系统(PILS)连续采集水溶性样品,与离子色谱联用分析了其中SO2-4、NO-3、NH+4、Cl-、Na+、K+、Mg2+和Ca2+的含量;同时采用扫描电迁移率粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)测量细粒子的粒径谱分布;采用三波长光声黑碳光度计(PASS-3)实时在线测量细粒子的散射和吸收消光系数;并实时监测痕量气体浓度.结果表明,观测期间霾与非霾天PM2.5中水溶性离子的总质量浓度分别为70.3μg·m-3和22.9μg·m-3;二次吸湿性组分SO2-4、NO-3和NH+4为主要的污染离子.霾天有利于SO2和NOx向SO2-4和NO-3的转化,尤其是NOx的氧化.运用多元线性回归统计方法,建立了PM2.5干消光系数与气溶胶化学成分之间的经验公式,发现NH4NO3对南京冬季消光的贡献最大,其次为(NH4)2SO4、有机碳(OC)和元素碳(EC).两次重污染事件中,污染前体物的一次排放和二次转化的增加分别是造成离子浓度升高的主要原因.     

使用RCFP-IC对南京市不同污染状况下PM_(2.5)中水溶性离子的观测分析

本文使用大气细颗粒物快速捕集系统及化学成分在线分析系统(RCFP-IC)和美国热电污染气体分析系统(EMS系统)对2013年11月16日—12月10日南京地区PM2.5中主要水溶性离子和污染气体进行了观测分析,并结合气象要素数据分析了灰霾天PM2.5中主要水溶性离子的污染特征.结果表明:不同污染条件下PM2.5中水溶性离子分布差异较大,清洁天浓度最大的6种离子排序为SO2-4NO-3NH+4Cl-NO-2K+,霾天(11月20—24日)和雾-霾天(12月1—8日)前6种离子排序分别是SO2-4NH+4NO-3NO-2Cl-K+和NO-3SO2-4NH+4Cl-NO-2K+.受污染源和化学反应的日变化影响,不同离子的日变化特征不同.污染天NO-3、SO2-4和NH+4的浓度是干净天的2.8~5.0倍.不同水溶性离子对能见度的影响不同.     

广州市灰霾期大气PM_(10)中水溶性离子特征

采集广州市大气PM10样品并分别对冬夏两季灰霾和非灰霾期PM10中水溶性离子进行分析。实验表明,广州市灰霾期PM10中水溶性离子的质量浓度要高出非灰霾期4～15倍,其中NO3-浓度升幅最大。非灰霾期主要水溶性无机离子的浓度顺序为SO42->NH4+>NO3-,灰霾期为SO42->NO3->NH4+,严重灰霾期则为NO3->SO42->NH4+。非灰霾期SO42-/NO3-质量浓度比为1.78～3.57,灰霾期为1.04～1.20,而在严重灰霾期则<1,说明灰霾利于NO3-的二次转化生成。实验还表明,灰霾期PM10较非灰霾天气偏酸性,灰霾期SO2和NOx的高转化率导致SO42-和NO3-的大幅增加是加重灰霾期PM10污染的主要原因。     

成都市一次重雾霾天气PM10中水溶性离子污染特征

2015年1月10~19日,对成都市青羊区雾霾期间大气PM10样品进行了采集,分析其质量浓度和9种水溶性离子(F-、Cl-、NO-3、SO2-4、NH+4、Ca2+、Mg2+、K+和Na+)的分布特征。结果表明:此次雾霾期间PM10的平均质量浓度高达357.8μg/m3;水溶性离子的总质量浓度在雾霾天较高,二次无机水溶性离子NO-3、SO2-4和NH+4占总水溶性离子的74.53%以上;雾霾和非雾霾天PM10中水溶性离子的质量浓度、含量百分比和各离子比值体现了本次雾霾是由机动车尾气、燃煤、建筑施工和气象等因素造成;PM10中NO-3/SO2-4的比值范围0.755 1~1.410,均值为1.050,说明成都是燃煤和机动车并存的复合型污染;PM10中NH+4和NO-3、SO2-4两两之间均具有较好的相关性,NH+4和NO-3、SO2-4的相关性系数分别为0.845 0、0.966 0,NH+4和NO-3、SO2-4主要以(NH4)2SO4、NH4NO3形式存在于PM10中,Ca2+和Mg2+的相关性系数高达0.913 0。     

中国海峡西岸城市群冬季PM2.5和PM10中水溶性离子的污染特征

为了研究中国海峡西岸城市群冬季大气颗粒物水溶性离子的污染特征,采集该区域8个城市共14个采样点位(包含1个背景点)的PM2.5和PM2.5~10样品,采用离子色谱分析F-、Cl-、NO3-、SO42-、Na+、K+、NH4+、Ca2+和Mg2+ 9种水溶性离子的质量浓度.结果表明,海峡西岸城市群冬季大气颗粒物污染严重,PM2.5和PM10的日均值分别为89.65,135.65μg/m3,PM2.5占PM10的66.1%.城区水溶性无机离子主要集中在PM2.5上,其浓度分布存在空间差异,温州地区水溶性无机离子浓度处于较高水平;SO42-、NO3-和NH4+是水溶性无机离子的主要贡献者,其占PM2.5 中水溶性离子总量的79.6%~89.0%,占PM10的74.2%~83.4%.由于受冬季季风的影响,该区域非海盐离子对水溶性无机离子的贡献较大.NO3-/SO42-的质量浓度比显示,冬季海峡西岸城市群已处于机动车污染与燃煤污染并存的复合型污染状态.     

昆明市主城区PM_(2.5)与PM_(10)质量浓度分布特征研究

新修订的《环境空气质量标准》的发布,标志着环境保护工作开始从污染物排放控制管理阶段,转向环境质量管理阶段,昆明也被列入全国首批PM2.5监测公布区域。基于我国加大治理环境污染的力度和相关法律法规的颁布的大背景下,结合日益严重的城市环境污染问题,根据昆明市主城区2014年1—12月空气质量实时监测数据,按照GB3095—2012《环境空气质量标准》中的浓度限值标准,采用实地调查法与相关性分析等方法,对昆明市主城区大气颗粒物污染现状、变化趋势进行分析,利用插值法对PM2.5和PM10的空间分布进行描述。为昆明市继续打造旅游城市、园林城市和创建森林城市、低碳城市和生态城市提供决策支持。同时也将为后续城市发展驱动力分析、城市生态效益、碳循环和生物多样性等相关研究提供基础数据。     

燃烧源PM_(2.5)控制技术研究现状及展望

随着PM2.5对我国大气环境所造成的严重污染,PM2.5的排放和控制引起了社会广泛关注。燃料燃烧是PM2.5排放的重要来源,在简要介绍燃烧源PM2.5来源分布的基础上,主要对典型燃烧源PM2.5控制技术如炉内控制技术、烟气预团聚技术、ESP/BF联合除尘技术和先进布袋除尘技术等的技术原理、特点、研究现状和发展趋势进行了详细综述。     

天津市PM2.5污染特征与来源解析

使用2013—2018年大范围长期连续PM_(2.5)观测数据分析了天津市PM_(2.5)污染特征,并使用SMOKE/WRF/NAQPMS模型研究了天津市不同季节PM_(2.5)来源情况。天津市近年PM_(2.5)浓度逐年下降,2013—2018年的年均浓度从96μg/m3下降到52μg/m3,均呈现冬季浓度最高,春、秋季较高,夏季最低的趋势;空间分布上呈西高东低、南高北低的分布特征。本地排放是天津市PM_(2.5)主要来源,不同季节占比为30%～40%,周边城市的跨省输送特征明显,沧州市的贡献约为10%,廊坊市的贡献在、秋冬季较大,为10%～14%,山东省在冬季以外的季节也有10%左右的PM_(2.5)贡献,国外及海洋的贡献在夏季较大(23%),但在其他季节的贡献较小。多数时期二次生成的PM_(2.5)贡献比例最大,贡献为30%～40%,说明天津所在的华北地区二次反应较强烈。另外,居民源与工业源的排放占比也较大,特别是冬季的居民源,占比高达42%。制定防治措施时可考虑不同季节的地区联防联控,但由于本地的排放占比均较大,在任何季节都应该强化本地排放的控制,控制重点是居民源与工业源。     

2015和2018年承德市区PM2.5排放与来源对比分析

于2015和2018年夏、冬季在承德市区采集PM_(2.5)样品,对比分析了PM_(2.5)中水溶性离子和元素的污染特征及来源。结果显示:2018年夏、冬季ρ(PM_(2.5))分别为(30. 6±15. 0),(33. 5±14. 6)μg/m3,与2015年相比,ρ(PM_(2.5))分别下降33. 8%和44. 2%,总水溶性离子浓度分别下降31. 0%和42. 8%。夏、冬季均呈现出SO2-4>NO-3>NH+4的浓度变化趋势,硫氧化率和氮氧化率分析结果显示:夏季SO2和NOx等气态前体物更易发生二次转化,高浓度前体物排放是冬季二次组分产生的主要原因;与2015年相比,2018年气态前体物的二次转化更为明显。2018年承德市区PM_(2.5)主要来自二次源(23. 382%～26. 013%)、扬尘源(19. 826%～22. 412%)和工业源(16. 329%～18. 729%)的贡献;与2015年相比,由于承德市积极推进绿色施工、煤电行业超低排放等措施,2018年扬尘源、燃煤源对市区PM_(2.5)的贡献降低,但移动源对市区PM_(2.5)的贡献有所增加。因此,建议承德市继续加强对移动源和扬尘等排放源的治理。     

2013年北京市细颗粒物时空分布特征研究

根据2013年北京市PM2.5监测数据,系统分析了北京市PM2.5污染的时空分布特征,并利用克里格插值统计了四季PM2.5不同浓度区间的国土面积。结果显示:2013年全市PM2.5年均浓度为89.5μg/m3,超过年均35μg/m3的国标1.56倍;PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季;空间分布上PM2.5呈现明显的南北梯度分布特征;2013年PM2.5平均浓度达标对应的国土面积占比夏季最大为73%,冬季最小为22%。     

衡阳市冬季PM2.5外来输送特征及潜在源分析

利用HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、衡阳市PM_(2.5)质量浓度数据,分析了衡阳市2015—2017年冬季外来气团后向轨迹分布特征,并运用后向轨迹模式中的聚类分析法、潜在源分析法(PSCF)、浓度权重分析法(CWT),分析了衡阳市冬季PM_(2.5)外来输送通道及潜在源分布情况。结果表明:衡阳市冬季外来气团后向轨迹主要来自偏北方向,移动速度较慢,100 m高度的PM_(2.5)外来输送路径较集中,以近距离输送为主; 500 m高度的输送路径较分散且更长,长距离输送的影响增大。聚类分析显示,来自东北方向的聚类轨迹出现频率最高,该类轨迹移动方向是PM_(2.5)外来输送的主要通道方向。潜在源分析显示,衡阳市冬季PM_(2.5)外来输送以区域输送为主,对浓度影响较大,湘东、湘南、赣西、湘赣交界处、桂东北、豫南地区为PM_(2.5)外来输送的主要潜在源区,湘南、湘东北、赣西地区是高浓度外来输送潜在源区。     

典型时段西南地区PM_(2.5)及组分污染特征

选取西南地区为采样点,于2015年非重污染和重污染时期对环境PM_(2.5)进行采样,并对PM_(2.5)、水溶性离子和碳质组分的污染特征进行分析。结果显示:重污染与非重污染天PM_(2.5)质量浓度分别为(204.8±47.0)μg/m~3和(66.8±23.1)μg/m~3。重污染天气下SO_4~(2-)、NO_3~-和NH_4~+浓度分别是非重污染天气下的3.5,4.2,3.4倍,SIA浓度占PM_(2.5)的比例可高达42.2%。重污染期间OC和EC浓度分别是非重污染期间的4.8,2.7倍,SOC浓度在非重污染和重污染期间分别为(3.2±1.6),(25.6±15.2)μg/m~3,OC、EC较低的相关性也反映出重污染期间碳质组分来源的复杂性。     

自贡市PM_(2.5)浓度日变化规律及其与气象参数的关系

在连续30天实时采样监测基础上,对自贡市城区PM2.5浓度日变化规律及其与气象参数的关系进行了分析。结果表明,PM2.5浓度日变化规律显著,且与温度、湿度密切相关。     

2014年成都市PM_(2.5)污染及其与气象要素的关系

为了解2014年成都市PM2.5污染状况及其与近地面气象要素的关系,分析了PM2.5的月平均浓度演变及不同空气质量等级的天数变化,采用SPSS软件对降雨、平均相对湿度、气温、风向和平均气压与PM2.5质量浓度进行Kendall秩次相关分析。结果表明:2014年成都市1—12月PM2.5质量浓度呈"U"形分布,污染最严重在1月,污染程度最小是8月,全年有大半以上天数,空气质量等级为"良~优"。PM2.5质量浓度与各月降雨量,月平均气温存在较高的负相关性;PM2.5质量浓度与风向、平均相对湿度为较低显著性负相关。PM2.5质量浓度与平均气压之间正相关。     

西安地铁环境中PM_(10)、PM_(2.5)、CO_2污染水平分析

针对地铁环境空气污染状况,于2013年6月对西安地铁2号线各监测车站的站厅、站台、车厢及室外的PM10、PM2.5、CO2的污染水平进行了监测分析。结果表明:站厅、站台和车厢的PM10浓度均未超标;PM2.5浓度最大值分别为97.97,131.56,97.1μg/m3,超标率分别为30.6%、75.4%、29.5%,各监测站点细颗粒物污染较严重。车厢内部CO2最高浓度超过2 357 mg/m3,缺乏足够的新鲜空气来满足乘客的呼吸需求。对PM10和PM2.5源的相关性分析表明,站台和车厢环境中的颗粒物有强烈的相关性,二者有共同的来源。对站台和车厢环境中的PM10、PM2.5与室外环境的相关性分析表明,PM10有强烈的相关性(R2=0.83,0.78);PM2.5有较弱的相关性(R2=0.43,0.11)。各监测车站站台PM2.5/PM10为0.64~0.83,平均值为0.72;车厢PM2.5/PM10为0.68~0.85,平均值为0.78。